此时，参与计算的该帧目标图像称之为“当前目标图像”):
[0029]首先，获取模板图像的该组模板特征中的每个模板特征与当前目标图像的该组目标特征中的每个目标特征之间的相似度(本文中称之为“特征间相似度”)。容易理解，此时，当这里的特征是点时，这里的相似度即为特征点间相似度；当这里的特征是边时，这里的相似度即为特征边间相似度。本发明的实施例中，使用的特征可以是点，也可以是边，或者也可以是二者同时使用。本发明的实施例中，模板特征和每帧目标图像的目标特征之间的初始化的特征相似度可以使用本领域常规的计算方法获得，在此不再详述；
[0030]然后，根据获得的特征间相似度，从当前目标图像的该组目标特征中搜索出与模板图像的该组模板特征中的每个模板特征相匹配的特征(本文中称之为“匹配目标特征”；
[0031]随后，根据模板图像的该一组模板特征与当前目标图像中的该匹配目标特征之间的特征间相似度(如前文所述，每个模板特征与每个目标特征之间的特征间相似度已经获得，因此每个模板特征与每个匹配目标特征之间的特征间相似度此时已知)，计算当前目标图像与模板图像的相似度。
[0032]本发明的一些实施例中，在根据获得的特征间相似度，从当前目标图像的该组目标特征中搜索出与模板图像的该组模板特征中的每个模板特征相匹配的特征时，对于模板图像的该一组模板特征中的每个模板特征，可以按照下列步骤进行(此时，参与计算的模板特征称之为“当前模板特征”):
[0033]首先，根据当前模板特征与当前目标图像的该一组目标特征中的每个目标特征之间的特征间相似度，从当前目标图像的该一组目标特征中的目标特征中选择与当前模板特征最接近的多个目标特征，并且这里，选择的该多个目标特征仅仅为当前目标图像的一组目标特征中的一部分，而不是全部。这里，与当前模板特征“最接近”的多个目标特征，可以是与当前模板特征之间的特征间相似度相对最大的多个目标特征，例如，一些实施例中，将目标特征与当前模板特征之间的特征间相似度由大到小排列，与当前模板特征最接近的多个目标特征可以是排名在最前面的多个目标特征，例如前两个、前三个或者前四个，等等；
[0034]然后，计算当前模板特征与选择出的该多个目标特征之间的多个特征间相似度(如前文所述，每个模板特征与每个目标特征之间均有一个特征间相似度，因此这里当前模板特征与多个目标特征之间具有多个特征间相似度)的加权平均值，并从该多个特征间相似度中获得与该加权平均值最接近的特征间相似度，以与该加权平均值最接近的特征间相似度对应的目标特征为与当前模板特征匹配的匹配目标特征。
[0035]对每个模板特征点均按照前述过程进行搜索，即可从目标特征中搜索出每个模板特征的匹配目标特征。例如，图4中示意性地显示了在图3中的图像中搜索出的与图2中的模板特征点相匹配的匹配目标特征点(81、82、83、84、85、86、87、88、89和則0)，这些匹配目标特征点表征出了目标图像中与图2中的感兴趣目标(即图2中的汽车)近似的目标。
[0036]这些实施例中，在搜索与模板特征相匹配的匹配目标特征时，其周围的多个特征参与了计算，即以其周围的多个特征做了参考，提高了搜索匹配目标特征的准确率；同时，在计算时没有将全部目标特征都参与计算，而是使用其周围的一部分目标特征的加权邻近值的平均值作为衡量，不但减小了计算量，避免了计算时间和资源的浪费部，而且避免了过远的目标特征的干扰，提高了匹配准确性。即，这些实施例中，综合考虑了图像的区域性特性和稀疏化特性，即减小了计算量，也提高了匹配准确性。
[0037]本发明的一些实施例中，前述的从当前目标图像的该一组目标特征中的目标特征中选择与当前模板特征最接近的多个目标特征可以是三个目标特征，即从当前目标图像的该一组目标特征中的目标特征中选择与当前模板特征最接近的三个目标特征，计算当前模板特征与这三个目标特征间的特征间相似度的加权平均值，并以这三个目标特征中与当前模板特征的特征间相似度与该平均值最接近的那个目标特征为与当前模板特征相匹配的匹配目标特征。发明人经研究发现，当这里取三个目标特征时，能够获得更优的图像匹配效果O
[0038]获得了与模板特征相匹配的匹配目标特征之后，即可如前文所述根据模板图像的该一组模板特征与这些匹配目标特征之间的特征间相似度计算当前目标图像与模板图像的相似度。例如，本发明的一些实施例中，可以计算该一组模板特征与这些匹配目标特征之间的特征间相似度的和，以该和作为当前目标图像与模板图像的相似度。
[0039]对于每一帧目标图像，均按照前述过程进行，计算出每帧目标图像与模板图像的相似度，从而获得多个图像相似度。然后，在步骤32中，可以根据获得的多个图像相似度，获得该多个图像相似度中的最大值，即获得最大图像相似度，并以该最大图像相似度对应的目标图像为与模板图像匹配的图像。
[0040]相应地，如图5所示，本发明的一些实施例中，还提供了一种图像匹配装置，该图像匹配装置可以包括第一图像获取单元50、第二图像获取单元60、模板特征获取单元51、目标特征提取单元61、相似度计算单元70和匹配单元80。该图像匹配装置可以执行前文中所述的各个实施例中的图像匹配方法。例如，第一图像获取单元50用于获取模板图像;第二图像获取单元60用于获取多帧目标图像;模板特征获取单元51用于根据模板图像获取一组模板特征，该一组模板特征包括多个模板特征；目标特征提取单元61用于基于每帧目标图像的像素灰度特征从每帧目标图像中提取一组目标特征，并且该一组目标特征包括多个目标特征;相似度计算单元70用于根据模板图像的该一组模板特征和每帧目标图像的该一组目标特征，计算模板图像与每帧目标图像的图像相似度，获得多个图像相似度;匹配单元72用于根据该多个图像相似度，获得该多个图像相似度的最大值，并获得该最大值对应的目标图像，以最大值对应的目标图像为与模板图像匹配的图像。
[0041]图5的实施例中，模板特征获取单元51可以用于接收用户的输入并根据用户的输入获得一组模板特征和/或根据模板图像的像素灰度特征从模板图像中提取一组模板特征。
[0042]图5的实施例中，目标特征提取单元61可以使用最大稳定极值区域法、尺度不变特征变换法、海森检测子(Hess ian)法、哈里斯仿射法或者直方图属性关联图(HARG)法等等方法从目标图像中提取所说的一组目标特征。
[0043]图5的实施例中，相似度计算单元70可以对于每帧目标图像执行下列步骤:
[0044]获取模板图像的该一组模板特征中的每个模板特征与当前目标图像的该一组目标特征中的每个目标特征之间的特征间相似度；
[0045]根据该特征间相似度，从当前目标图像的该一组目标特征中搜索出与模板图像的该一组模板特征中的每个模板特征相匹配的匹配目标特征；
[0046]根据该一组模板特征与当前目标图像的该匹配目标特征之间的特征间相似度计算当前目标图像与模板图像的相似度。
[0047]图5的实施例中，相似度计算单元70在根据特征间相似度从当前目标图像的该一组目标特征中搜索出与模板图像的该一组模板特征中的每个模板特征相匹配的匹配目标特征时可以执行下列步骤:
[0048]根据当前模板特征与当前目标图像的该一组目标特征中的每个目标特征之间的特征间相似度，从当前目标图像的该一组目标特征中选择与当前模板特征最接近的多个目标特征。这里的多个目标特征为当前目标图像的该一组目标特征中的一部分；
[0049]计算当前模板特征与该多个目标特征之间的多个特征间相似度的加权平均值；
[0050]从该多个特征间相似度中获得与该加权平均值最接近的特征间相似度，并以与该加权平均值最接近的特征间相似度对应的目标特征为与当前模板特征匹配的匹配目标特征。
[0051 ] 一些实施例中，相似度计算单元70从当前目标图像的该一组目标特征中选择与当前模板特征最接近的三个目标特征，计算当前模板特征与这三个目标特征间的特征间相似度的加权平均值，并以这三个目标特征中与当前模板特征的特征间相似度与该加权平均值最接近的那个目标特征为与当前模板特征相匹配的匹配目标特征。
[0052]图5的实施例中，匹配单元72可以计算模板图像的该一组模板特征与当前目标图像的这些匹配目标特征之间的特征间相似度的和，以该和作为当前目标图像与模板图像的相似度。
[0053]上述实施例的图像匹配方法和装置中，通过模板特征与目标特征之间的相似度分别计算模板图像与每个目标图像之间的图像相似度来进行图像匹配，可以保证图像匹配过程